摘要：在HDZ城市行广州站中，来自华为云华为云数据库创新Lab向宇从时序数据库的技术角度，解读一下华为云时序数据库GaussDB(for Influx)如何应用在智慧健康养老行业。
本文分享自华为云社区《拥抱时序数据库，构筑IoT时代下智慧康养数据存储底座》，作者： 技术火炬手 。
随着 IoT 技术的快速发展，物联网设备产生的数据呈爆炸式增长。这些数据通常随时间产生，称之为时序数据。这样的一种专门用于管理时序数据的数据库被称为时序数据库。
时序数据库是当前物联网 IoT垂直领域最为合适的数据库解决方案。作为物联网下火热的智慧健康养老应用，时序数据库能为智慧健康养老行业带来哪些贡献？在HDZ城市行广州站中，来自华为云华为云数据库创新Lab向宇从时序数据库的技术角度，解读一下华为云时序数据库GaussDB(for Influx)如何应用在智慧健康养老行业。
时序数据库助力智慧健康养老场景化应用
从智慧健康养老的全场景图看到，智慧健康养老整体上分为4个部分：
- 设备：包括穿戴设备（比如手环，可以记录步数和心率）、环境监测设备（比如室内室外温度传感器）和医疗健康设备（比如血压仪、血糖仪）。这些设备产生的数据需要上传到平台或系统服务进行统一存储，为更上层的应用提供基本的数据输入。
- 数据存储层：相同功能但不同厂商的设备产生的数据格式可能不尽相同。再者，随着业务的发展，可能还会接入更多类型设备，数据量也会越来越大。考虑业务变更和数据库性能，为最大程度降低对上层应用的影响，把设备数据与其他业务数据分开存储。
- 服务层：平台对外提供的能力，比如安全预警、健康风险评估、其他养老事务管理功能等。
- 端侧应用：基于平台提供的服务，可以开发出APP，利用APP把老人、子女、机构工作人员三类用户联系起来，例如：子女可以通过手机APP实时查看自己父母的运动情况，健康指标，工作人员可以在终端提交工单等等）。
在物联网等领域，特别是智慧康养场景下，我们发现有这么一些数据，他们都有时间属性，有设备描述信息，有采集的数据指标。举个例子，如下图所示：
第一列是数据产生的时间，第二列是设备编号，后面是采集的数据内容，如体温、心率等。我们把数据划分为三个部分，时间部分称为时间戳，设备编号等描述设备信息的部分称之为数据的标签，剩余部分描述了采集的具体指标，称之为指标项。像这样的数据，我们就称之为时序数据，因为它有明显的时间属性。那么这些时序数据，都是有自己的特点：
- 不变性：时序数据在写入后，一般不会被修改。这个特征非常适用于压缩，不因修改某个数据对整个数据块进行修改。
- 时效性：时间越近的数据被访问的概率大，时间越是久远，数据被访问的概率越低。因此，对于时序的热数据，可以采用压缩和解压速度比较好，压缩率合理的压缩算法，而对于冷数据，非常适合使用更高压缩比的算法。
- 数据量庞大：时序数据的采集类型丰富， 随着采集硬件的普及和采集频率增加，使得数据量出现暴增，比如自动驾驶中每辆车每天就会采集将近 8T 的数据，带宽、实时写入、快速查询、存储、耗电以及维护成本都是挑战。
- 数据使用冷热：用户可能对某些数据源或者时间段的关注远远超过其他，因此在海量数据中偏向某些特殊时间段或某些数据源的数据查询。
时序数据库如何选？
从我们的企业应用的情况来看，目前存放时序数据采用的数据库各种各样，有用关系数据库存放，有用NOSQL数据存储（比如HBASE，Cassandra，MongoDB）,还有就是用到了时序数据库。我们总结了一下选型数据库之前需要考虑的一些问题：
- 成本：分为运维成本和存储成本，比如用HBASE存储，它的技术栈很长，底层存储使用的是HDFS。运维就需要一个人既懂时序数据库，又要懂大数据平台，成本比较高。其次，数据量逐渐的增加，存储需要不断的扩容，成本随之上来了。所以，既要选择部署便捷、扩容操作简单，又要能提供数据压缩的数据库。
- 性能：不同的业务对数据库的性能需求是不一样的，需要考虑今后业务规模增加后，数据库能不能支撑预期的设备数量和数据量。
- 业务变更：对于物联网而言，由于缺乏标准，各式各样的设备都有可能接入，有的设备可能只有2列数据，有的设备可能有3列数据，这就要求数据库支持Schemaless。
- 生态：主要是时序数据库上下游接口的问题，选择的数据库需要考虑其技术生态，数据要能进的来，出的去。比如用了SQLServer存时序数据，想用Granfana展示数据就很困难。
- 数据分析：设备数据被存储下来，最终是需要通过数据分析挖掘数据隐藏价值，还要考虑数据库是否支持数据分析平台。
鉴于上述行业中存在的问题，以及对未来物联网发展的信心，华为云自研GaussDB(for Influx) 基于华为自研的计算存储分离架构，兼容InfluxDB生态的云原生NoSQL时序数据库。提供大并发时序数据读写、压缩存储、多维聚合以及一键部署、快速备份恢复、计算存储独立扩容、监控告警等服务能力，可以完全满足康养的需求。
GaussDB(for Influx)时序数据库依靠华为在数据存储领域多年的实践经验，整合华为云的计算、存储、服务保障和安全等方面的能力，大胆在架构、性能和数据压缩等方面进行了技术创新，达到了较好的效果，对内支撑了华为云基础设施服务，对外以服务的形式开放，帮助上云企业解决相关业务问题。
GaussDB(for Influx)接口完全兼容InfluxDB，写入接口兼容OpenTSDB、Prometheus和Graphite。从架构上看，一个时序数据库集群可以分为三大组件。它们分别是：
- Shard节点：节点采用无状态设计，主要负责数据的写入和查询。在节点内，除了分片和时间线管理之外，还支持数据预聚合、数据降采样和TAG分组查询等专为时序场景而优化的功能。
- Config集群：存储和管理集群元数据，采用三节点的复制集模式，保证元数据的高可靠性。
- 分布式存储系统：集中存储持久化的数据和日志，数据采用三副本方式存放，对上层应用透明。存储系统为华为自研，经过多年产品实践检验，系统的高可用和高可靠性都得到了验证。
华为云时序数据库应对智慧康养应用场景有妙招
在面对AIoT物联网典型应用场景中，时序数据库每天会产生数GB甚至数TB的时序数据。如果无法对这些时序数据进行很好的管理和压缩，那将会给企业带来非常高的成本压力。
GaussDB(for Influx)对数据采用列式存储，相同类型的数据被集中存储，更有利于数据压缩。采用自研的时序数据自适应压缩算法，在压缩前对数据进行抽样分析，根据数据量、数据分布以及数据类型选择最合适的数据压缩算法。在压缩算法上，相比原生的InfluxDB，重点针对Float、String、Timestamp这三种数据类型进行了优化和改进。
- Float数据类型： 对Gorilla压缩算法进行了优化，将可以无损转换的数值转为整数，再根据数据特点，选择最合适的数据压缩算法。
- String数据类型：采用了压缩效率更好的ZSTD压缩算法，并根据待压缩数据的Length使用不同Level的编码方法。
- Timestamp数据类型：采用差量压缩方法，最后还针对数据文件内的Timestamp进行相似性压缩，进一步降低时序数据存储成本。
下图是分别采用实际业务场景的事件日志数据（数据集1)和云服务器监控指标数据 (数据集2）与InfluxDB进行了数据压缩效率的性能对比。
节约存储成本并非只有数据压缩一种办法。针对时序数据越旧的数据被访问的概率越低的特点，GaussDB(for Influx)提供了时序数据的分级存储，支持用户自定义冷热数据，实现数据的冷热分离。热数据相对数据量小，访问频繁，被存储在性能更好、成本较高的存储介质上；冷数据相对数据量大，访问概率低，保存时间较久，被存储在成本较低的存储介质上，进而达到节约存储成本的目的。根据实际业务数据测算，相同数据量下存储成本仅有关系型数据库的1/20。
除了产品本身的技术优势特点，GuassDB(for Influx)能够开箱即用，用户只需要关注应用层就可以，不用关注运维。在使用的过程中，不需要去特意学习新的产品技术，会SQL就可以使用。GaussDB(for Influx)还兼容Influx 生态，整个生态下的工具、接口等都可以直接应用。
从数据安全角度看，GaussDB(for Influx)在容灾备份方面，支持异地3AZ，可以让数据存储在不同的城市，这样确保数据的安全性。
在智慧康养场景下，最重要的是如何基于数据分析，来进一步对用户带来更好地产品服务。GuassDB(for Influx)还提供数据分析平台，能够和数据库融合在一起，可以把相关算法以热插拔的方式嵌入到平台中，从数据库直接读取数据进行分析，最终应用在相对应的场景下。这两边是以相互感知的形式，分析感知存储，从而轻量化存储分析开销。不管企业在什么地方，基于GuassDB(for Influx)能够解决康养企业的数据孤岛问题，实现价值共享。
最后，向宇还提前透露了GuassDB(for Influx)的开源计划，开源的名字叫GeminiTSDB，兼容Influx DB接口，采用类SQL查询语言，提供单机和分布式集群两种部署模式，安装简单，部署灵活，无须外部依赖，具有高可用、高性能、低时延、低存储成本、扩展灵活等优点,希望大家多多关注！